图像识别准确率的确定方法、装置、电子设备和介质制造方法及图纸

本公开提供了一种图像识别准确率的确定方法、装置、设备、介质和产品，涉及人工智能领域，具体为深度学习、图像处理等技术领域。图像识别准确率的确定方法包括：针对图像集合中的目标对象，获取针对目标对象的真实对象标识和针对目标对象的识别对象标识，其中，识别对象标识是通过对图像集合中的目标对象进行识别得到的；以真实对象标识为参考，确定针对识别对象标识的第一指标值；以识别对象标识为参考，确定针对真实对象标识的第二指标值；基于第一指标值和第二指标值，确定图像识别准确率。率。率。

【技术实现步骤摘要】
图像识别准确率的确定方法、装置、电子设备和介质


[0001]本公开涉及人工智能领域，具体为深度学习、图像处理等
，更具体地，涉及一种图像识别准确率的确定方法、装置、电子设备、介质和程序产品。

技术介绍

[0002]在一些场景下，可以通过摄像头采集视频或图像，并利用图像识别技术处理视频或图像实现对目标对象进行识别。因此，图像识别技术的识别准确性至关重要。为了保证图像识别的效果，需要对图像识别技术的识别准确性进行评价。

技术实现思路

[0003]本公开提供了一种图像识别准确率的确定方法、装置、电子设备、存储介质以及程序产品。
[0004]根据本公开的一方面，提供了一种图像识别准确率的确定方法，包括：针对图像集合中的目标对象，获取针对所述目标对象的真实对象标识和针对所述目标对象的识别对象标识，其中，所述识别对象标识是通过对所述图像集合中的目标对象进行识别得到的；以所述真实对象标识为参考，确定针对所述识别对象标识的第一指标值；以所述识别对象标识为参考，确定针对所述真实对象标识的第二指标值；基于所述第一指标值和所述第二指标值，确定图像识别准确率。
[0005]根据本公开的另一方面，提供了一种图像识别准确率的确定装置，包括：获取模块、第一确定模块、第二确定模块以及第三确定模块。获取模块，用于针对图像集合中的目标对象，获取针对所述目标对象的真实对象标识和针对所述目标对象的识别对象标识，其中，所述识别对象标识是通过对所述图像集合中的目标对象进行识别得到的；第一确定模块，用于以所述真实对象标识为参考，确定针对所述识别对象标识的第一指标值；第二确定模块，用于以所述识别对象标识为参考，确定针对所述真实对象标识的第二指标值；第三确定模块，用于基于所述第一指标值和所述第二指标值，确定图像识别准确率。
[0006]根据本公开的另一方面，提供了一种电子设备，包括：至少一个处理器和与所述至少一个处理器通信连接的存储器。其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述的图像识别准确率的确定方法。
[0007]根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行上述的图像识别准确率的确定方法。
[0008]根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序/指令，所述计算机程序/指令被处理器执行时实现上述图像识别准确率的确定方法的步骤。
[0009]应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
[0010]附图用于更好地理解本方案，不构成对本公开的限定。其中：
[0011]图1示意性示出了根据本公开一实施例的图像识别准确率的确定的系统架构；
[0012]图2示意性示出了根据本公开一实施例的图像识别准确率的确定方法的流程图；
[0013]图3示意性示出了根据本公开一实施例的确定第一指标值的示意图；
[0014]图4示意性示出了根据本公开一实施例的确定第二指标值的示意图；
[0015]图5示意性示出了根据本公开一实施例的图像识别准确率的确定装置的框图；以及
[0016]图6是用来实现本公开实施例的用于执行图像识别准确率的确定的电子设备的框图。
具体实施方式
[0017]以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
[0018]在此使用的术语仅仅是为了描述具体实施例，而并非意在限制本公开。在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在，但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。
[0019]在此使用的所有术语(包括技术和科学术语)具有本领域技术人员通常所理解的含义，除非另外定义。应注意，这里使用的术语应解释为具有与本说明书的上下文相一致的含义，而不应以理想化或过于刻板的方式来解释。
[0020]在使用类似于“A、B和C等中至少一个”这样的表述的情况下，一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如，“具有A、B和C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等)。
[0021]图1示意性示出了根据本公开一实施例的图像识别准确率的确定的系统架构。需要注意的是，图1所示仅为可以应用本公开实施例的系统架构的示例，以帮助本领域技术人员理解本公开的
技术实现思路
，但并不意味着本公开实施例不可以用于其他设备、系统、环境或场景。
[0022]如图1所示，根据该实施例的系统架构100可以包括数据采集装置101、102、103，网络104和服务器105。网络104用以在数据采集装置101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
[0023]数据采集装置101、102、103通过网络104与服务器105交互，以接收或发送消息等。数据采集装置101、102、103具有采集图像或采集视频的功能，数据采集装置101、102、103包括但不限于摄像头、智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
[0024]服务器105可以是提供各种服务的服务器，例如对数据采集装置101、102、103采集的数据进行分析等处理，服务器105可以是云服务器，即服务器105具有云计算功能。
[0025]例如，服务器105具有图像处理的功能，数据采集装置101采集图像或视频之后，将
图像或视频发送给服务器105进行图像识别。服务器105可以通过深度学习模型识别图像或视频，得到识别结果，识别结果包括图像或视频中的目标对象。
[0026]需要说明的是，本公开实施例所提供的图像识别准确率的确定方法可以由服务器105执行。相应地，本公开实施例所提供的图像识别准确率的确定装置可以设置于服务器105中。
[0027]应该理解，图1中的客户端、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的客户端、网络和服务器。
[0028]在安全防护、超市等场景下，通常通过一个或多个摄像头采集对象的图像或视频。对象包括行人。当通过多个摄像头采集图像或视频时，该场景为跨镜头场景。
[0029]在一些情况下，为了保证图像处理的准确性，需要对用于进行图像识别的深度学习模型进行评价。例如，需要对深度学习模型的图像识别准确率进行评价。
[0030]例如，可以利用深度学本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像识别准确率的确定方法，包括：针对图像集合中的目标对象，获取针对所述目标对象的真实对象标识和针对所述目标对象的识别对象标识，其中，所述识别对象标识是通过对所述图像集合中的目标对象进行识别得到的；以所述真实对象标识为参考，确定针对所述识别对象标识的第一指标值；以所述识别对象标识为参考，确定针对所述真实对象标识的第二指标值；以及基于所述第一指标值和所述第二指标值，确定图像识别准确率。2.根据权利要求1所述的方法，其中，所述图像集合包括N个图像集合，N为大于1的整数；所述以所述真实对象标识为参考，确定针对所述识别对象标识的第一指标值包括：从所述N个图像集合中确定M1个图像集合，其中，所述识别对象标识是对所述M1个图像集合进行识别得到的，M1不大于N；确定所述识别对象标识在所述M1个图像集合中一一对应的M1个真实对象标识；以及基于所述M1个真实对象标识，确定针对所述识别对象标识的所述第一指标值。3.根据权利要求2所述的方法，其中，所述基于所述M1个真实对象标识，确定针对所述识别对象标识的所述第一指标值包括：基于所述M1个真实对象标识，确定表征图像识别正确的第一数值和表征图像识别错误的第二数值；以及将所述第一数值和所述第二数值，确定为针对所述识别对象标识的所述第一指标值。4.根据权利要求3所述的方法，其中，所述基于所述M1个真实对象标识，确定表征图像识别正确的第一数值和表征图像识别错误的第二数值包括：去除所述M1个真实对象标识中重复的真实对象标识，得到剩余的K1个真实对象标识，K1不大于M1；将M1和K1的差值，确定为所述第一数值；以及基于所述K1，确定所述第二数值。5.根据权利要求1
‑
4中任意一项所述的方法，其中，所述图像集合包括N个图像集合，N为大于1的整数；所述以所述识别对象标识为参考，确定针对所述真实对象标识的第二指标值包括：从所述N个图像集合中确定M2个图像集合，其中，所述M2个图像集合包括与所述真实对象标识对应的目标对象，M2不大于N；确定所述真实对象标识在所述M2个图像集合中一一对应的M2个识别对象标识；以及基于所述M2个识别对象标识，确定针对所述真实对象标识的所述第二指标值。6.根据权利要求5所述的方法，其中，所述基于所述M2个识别对象标识，确定针对所述真实对象标识的所述第二指标值包括：去除所述M2个识别对象标识中重复的识别对象标识，得到剩余的K2个识别对象标识，K2不大于M2；以及基于所述K2，确定针对所述真实对象标识的所述第二指标值。7.根据权利要求1
‑
6中任意一项所述的方法，其中，所述基于所述第一指标值和所述第二指标值，确定图像识别准确率包括：基于所述第一指标值，得到精准率；
基于所述第一指标值和所述第二指标值，得到召回率；以及基于所述精准率和所述召回率，确定所述图像识别准确率。8.根据权利要求7所述的方法，其中，所述第一指标值包括第一数值和第二数值；所述基于所述第一指标值，得到精准率包括：确定所述第一数值和所述第二数值的第一和值；以及将所述第一数值和所述第一和值之间的比值，确定为所述精准率。9.根据权利要求8所述的方法，其中，所述基于所述第一指标值和所述第二指标值，得到召回率包括：确定所述第一数值和所述第二指标值的第二和值；以及将所述第一数值和所述第二和值之间的比值，确定为所述召回率。10.根据权利要求1
‑
9中任意一项所述的方法，还包括：利用深度学习模型识别所述图像集合中的目标对象，得到所述识别对象标识。11.根据权利要求2
‑
10中任意一项所述的方法，其中，所述N个图像集合分别由N个数据采集装置采集得到，所述图像集合包括视频数据。12.一种图像识别准确率的确定装置，包括：获取模块，用于针对图像集合中的目标对象，获取针对所述目标对象的真实对象标识和针对所述目标对象的识别对象标识，其中，所述识别对象标识是通过对所述图像集合中的目标对象进行识别得到的；第一确定模块，用于以所述真实对象标识为参考，确定针对所述识别对象标识的第一指标值；第二确定模块，用于以所述识别对象标识为参考，确定针对所述真实对象标...

【专利技术属性】
技术研发人员：牛志博，陈建业，王冠中，邓凯鹏，党青青，赖宝华，刘其文，于佃海，马艳军，
申请(专利权)人：北京百度网讯科技有限公司，
类型：发明
国别省市：